天然气与石油
天然氣與石油
천연기여석유
NATURAL GAS AND OIL
2009年
2期
13-15
,共3页
代小华%汪玉春%朱勇%代治海%宋永亮
代小華%汪玉春%硃勇%代治海%宋永亮
대소화%왕옥춘%주용%대치해%송영량
天然气%管网%负荷%预测%支持向量机
天然氣%管網%負荷%預測%支持嚮量機
천연기%관망%부하%예측%지지향량궤
准确的负荷预测是管网优化运行的基础,在总结前人对管网负荷预测方法研究的基础上,提出了基于支持向量机(Support Vector Machine,SVM)理论的管网负荷预测模型.SVM方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的预测精度,减少了对人工预测经验的依赖;SVM方法以统计学理论为基础,训练等价于解决一个二次规划问题,得到的是全局最优解,解决了神经网络方法中无法避免的局部最优解问题.利用四川某大型天然气管网实例进行验证,与BP神经网络方法所取得的预测结果进行比较,证明支持向量机方法能够得到更高的精确度,为管网的安全经济运行提供了可信的理论支持.
準確的負荷預測是管網優化運行的基礎,在總結前人對管網負荷預測方法研究的基礎上,提齣瞭基于支持嚮量機(Support Vector Machine,SVM)理論的管網負荷預測模型.SVM方法採用結構風險最小化原則(SRM),與採用經驗風險最小化原則(ERM)的傳統神經網絡方法相比,具有更好的預測精度,減少瞭對人工預測經驗的依賴;SVM方法以統計學理論為基礎,訓練等價于解決一箇二次規劃問題,得到的是全跼最優解,解決瞭神經網絡方法中無法避免的跼部最優解問題.利用四川某大型天然氣管網實例進行驗證,與BP神經網絡方法所取得的預測結果進行比較,證明支持嚮量機方法能夠得到更高的精確度,為管網的安全經濟運行提供瞭可信的理論支持.
준학적부하예측시관망우화운행적기출,재총결전인대관망부하예측방법연구적기출상,제출료기우지지향량궤(Support Vector Machine,SVM)이론적관망부하예측모형.SVM방법채용결구풍험최소화원칙(SRM),여채용경험풍험최소화원칙(ERM)적전통신경망락방법상비,구유경호적예측정도,감소료대인공예측경험적의뢰;SVM방법이통계학이론위기출,훈련등개우해결일개이차규화문제,득도적시전국최우해,해결료신경망락방법중무법피면적국부최우해문제.이용사천모대형천연기관망실례진행험증,여BP신경망락방법소취득적예측결과진행비교,증명지지향량궤방법능구득도경고적정학도,위관망적안전경제운행제공료가신적이론지지.
